一种水运交通图像雾浓度检测方法及系统技术方案

本发明专利技术公开了一种水运交通图像雾浓度检测方法及系统，属于图像处理技术领域。本发明专利技术基于十二个雾特征因子，设计了两个雾浓度值，一个是通过将待测图像每个图像块到标准无雾图像数据库和标准有雾图像数据库的马氏距离之比作为单帧每个图像块的雾浓度值，另一个是将待测图像的所有块到标准无雾图像数据库和标准有雾图像数据库的平均马氏距离之比作为单帧的整体雾浓度值。将多个间隔单帧的整张图雾浓度用来反映雾浓度变化趋势，而将单帧每个图像块的雾浓度值转化为等高线图传输到显示屏，从而清晰地展示单帧图像中各个区域雾浓度的分布情况。有助于传统船载视频监控系统中船舱外雾图的雾浓度量化及应用功能，有利于驾驶人员提前做好判断。人员提前做好判断。人员提前做好判断。

【技术实现步骤摘要】
一种水运交通图像雾浓度检测方法及系统


[0001]本专利技术属于图像处理
，更具体地说，涉及一种水运交通图像雾浓度检测方法及系统。

技术介绍

[0002]传统船载视频监控系统中遭遇雾天时的视频帧，仅仅靠人眼看到船舱外雾图场景，缺乏专门的量化功能。现今，图像处理技术中实现雾密度检测的方法主要分为两大类：一种是通过检测能见度来检测雾浓度，这种方法主要应用于检测依靠包含参考信息(如交通标志)的道路交通雾图。另一种是根据图像特征来检测雾浓度，这种多应用于陆地环境雾图。例如Choi等人提出FADE模型用于检测陆地环境雾图[L.K.Choi,J.You,and A.C.Bovik,"Referenceless Prediction of Perceptual Fog Density and Perceptual Image Defogging,"IEEE Transactions on Image Processing,vol.24,no.11,pp.3888
‑
3901,Nov.2015.]。
[0003]但水运交通图像由大面积的水域和天空构成，与一般的陆地场景图片构成不同，背景较为简单。目前，图像雾浓度检测多针对陆地环境雾图，缺乏对水运图像雾浓度检测的研究。
[0004]更进一步，同一帧中的雾在不同区域的分布也并不均匀，仅仅靠单帧的整体雾浓度值表达，这在实际应用中显然是不足的。
[0005]江河湖海等水域是雾气最容易聚集的地方，水上运输又是交通运输中重要的组成部分之一。随着越来越多的用户对船载监控系统的重视，船载计算机性能的提升，船载监控也从单一的图像监控向更专业的解决方案发展。因此，水运交通图像雾浓度量化具有积极的现实意义。
[0006]经检索，专利申请号202111504843.1，公开了一种海上全景去雾目标识别方法；该申请案包括视频去雾、360
°
全景拼接、目标识别三部分，在基于暗通道优先原理(DCP)的复原中，结合图像自适应对比度增强算法，图像彩色直方图拉伸算法以及颜色平衡算法进行去雾图像流处理输出，通过360
°
全景视频拼接算法，实现去雾后图像的实时拼接与黑边剪裁，将处理完成的全景实时视频传输到显示器中，结合目标识别算法对海上目标进行识别。该申请案降低了误检率，为船舶航行、航道监控等提供了信息支持。但该申请案尚不能有效预测不同时段的雾浓度变化趋势，也不能实现监控雾图量化的目的。

技术实现思路

[0007]1.专利技术要解决的技术问题
[0008]鉴于现有技术中存在的不足，本专利技术提供了一种水运交通图像雾浓度检测方法及系统；本专利技术致力于解决两个问题：一是设计单帧图像的整体雾浓度指标，有助于展示不同时段雾浓度变化趋势；二是设计单帧图像中图像块的雾浓度指标，有助于实现同一帧图像的雾浓度分布可视化，满足船舶驾驶员监控雾图量化应用的需求。
[0009]2.技术方案
[0010]为达到上述目的，本专利技术提供的技术方案为：
[0011]本专利技术的一种水运交通图像雾浓度检测方法，其步骤为：
[0012]步骤一、输入待测水运雾图，将输入的待测水运雾图划分为n个图像块，所有划分的图像块用于计算特征值，则每个图像块获得关于十二个雾特征因子的一维数组δ，同理得到整个输入图像的n维雾特征因子数组F；
[0013]步骤二、对标准无雾图像数据集和标准有雾图像数据集中的所有图像进行和步骤一相同的分块以及计算特征值处理，得到标准无雾数据集的多维雾特征因子数组F1和标准有雾数据集的多维雾特征因子数组F2；
[0014]步骤三、将处理后得到的F1，F2分别拟合到多元高斯模型中，得到标准无雾图像数据集、标准有雾图像数据集对应的MVG模型；
[0015]步骤四、定义输入图像的单个图像块无雾水平d
f
；
[0016]步骤五、定义输入图像的单个图像块有雾水平d
ff
；
[0017]步骤六、单个图像块的雾浓度定义为d
f
和d
ff
修正值之比，整张图像的雾浓度定义为和修正值之比；
[0018]步骤七、根据每个图像块的雾浓度值绘制等高线图，实现单帧雾浓度分布显示；
[0019]步骤八、根据不同帧图像的整体雾浓度值形成雾浓度变化趋势线。
[0020]更进一步地，步骤一所述的十二个雾特征因子分别是：MSCN参数方差系数f1；正负模式下的MSCN参数垂直乘积方差f2，f3；锐化度f4；锐化度方差系数f5；gray图像通道对比度能量f6；yb图像通道对比度能量f7；明度f8；灰度标准差f9；暗通道值f
10
；饱和度f
11
；色彩度f
12
。
[0021]更进一步地，步骤三得到的标准无雾图像数据集MVG模型：
[0022][0023]式中，μ1表示标准无雾图像数据集的均值，Σ1表示标准无雾图像数据集的协方差矩阵。
[0024]更进一步地，步骤三得到的标准有雾图像数据集MVG模型：
[0025][0026]式中，μ2表示标准有雾图像数据集的均值，Σ2表示标准有雾图像数据集的协方差矩阵。
[0027]更进一步地，步骤四中单个图像块无雾水平d
f
计算公式如下：
[0028][0029]式中，δ为输入图像块的十二个特征因子的一维数组，Σ为输入图像的协方差矩阵，由∑＝cov(F)计算得到，cov是协方差函数，F为输入图像的n维雾特征因子数组。
[0030]更进一步地，步骤五中单个图像块有雾水平d
ff
计算公式如下：
[0031][0032]更进一步地，步骤六中和计算公式如下：
[0033][0034][0035]式中，为输入图像的所有图像块平均无雾水平，为输入图像的所有图像块平均有雾水平，n为图像块数量。
[0036]本专利技术的一种水运交通图像雾浓度检测系统，包括船载摄像机、以太网和视频图像监控处理端，船载摄像机负责采集船舱外部的视频帧图像，通过以太网传输到交换机，进入视频图像监控处理端，所述视频图像监控处理端负责所述的雾浓度检测方法的实现，通过中控台屏幕显示船舱外雾图场景的单帧雾浓度分布图，及不同帧的整体雾浓度指标及变化趋势。
[0037]3.有益效果
[0038]采用本专利技术提供的技术方案，与已有的公知技术相比，具有如下显著效果：
[0039](1)本专利技术的一种水运交通图像雾浓度检测方法，从图像处理的角度出发，通过观察雾对水运图像造成的影响提出了十二个雾特征因子，以组建一组专门用于检测水运交通图像雾浓度的特征集合，促进了雾浓度检测技术在水运交通系统中的发展，解决了水运交通图像雾浓度量化的问题。并且本专利技术相较于目前依赖参照物提供距离信息检测雾浓度等方法，具有应用范围更广，易于操作，开发成本较低等优点。
[0040](2)本专利技术的一种水运交通图像雾浓度检测方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水运交通图像雾浓度检测方法，其特征在于，其步骤为：步骤一、输入待测水运雾图，将输入的待测水运雾图划分为n个图像块，所有划分的图像块用于计算特征值，则每个图像块获得关于十二个雾特征因子的一维数组δ，同理得到整个输入图像的n维雾特征因子数组F；步骤二、对标准无雾图像数据集和标准有雾图像数据集中的所有图像进行和步骤一相同的分块以及计算特征值处理，得到标准无雾数据集的多维雾特征因子数组F1和标准有雾数据集的多维雾特征因子数组F2；步骤三、将处理后得到的F1，F2分别拟合到多元高斯模型中，得到标准无雾图像数据集、标准有雾图像数据集对应的MVG模型；步骤四、定义输入图像的单个图像块无雾水平d
f
；步骤五、定义输入图像的单个图像块有雾水平d
ff
；步骤六、单个图像块的雾浓度定义为d
f
和d
ff
修正值之比，整张图像的雾浓度定义为和修正值之比；步骤七、根据每个图像块的雾浓度值绘制等高线图，实现单帧雾浓度分布显示；步骤八、根据不同帧图像的整体雾浓度值形成雾浓度变化趋势线。2.根据权利要求1所述的一种水运交通图像雾浓度检测方法，其特征在于：步骤一所述的十二个雾特征因子分别是：MSCN参数方差系数f1；正负模式下的MSCN参数垂直乘积方差f2，f3；锐化度f4；锐化度方差系数f5；gray图像通道对比度能量f6；yb图像通道对比度能量f7；明度f8；灰度标准差f9；暗通道值f
10
；饱和度f
11
；色彩度f
12
。3.根据权...

【专利技术属性】
技术研发人员：纪滨，高晗，陈国胜，纪平，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：